实习求推荐

题主目前是太理软件大二学生。大一的时候沿着后段开发路线学习，已经掌握了java基础、MySQL、MVC架构、spring boot、mybatis、mybatisplus，还跟着看了一遍苍穹外卖，不过之后就没再继续学习了。本来接下来是要学redis、mq、Kafka这些的。但是大二刚开学，我发现走科技创新类有保研的机会，于是从大二开始学习CV方向的内容，现在跟着导师的计划学习小土堆的pytorch，也大概明白了卷积和transformer是怎么回事，而且越学越对CV算法感兴趣，都不想走开发路线了。我现在特别纠结，未来到底是选择开发路线好，还是CV路线好呢？我的规划是努力争取保研。感觉再学一阵CV算法就能拼凑出一篇文章了。然后要是找暑假实习的话，走开发岗应该没问题，可我现在又很想彻底转到CV算法方向，我不清楚剩下的空闲时间，是用来继续学习开发相关的内容好呢，还是一心钻研CV算法更好呢？求大佬拷打批评指正#太原理工大学#  #CV#  #后端开发#  #JAVA#  #python#  #卷积神经网络#  #CNN#  #保研#  #实习#

时长1h1.面试官介绍部门情况，主要是做直播推荐的2.自我介绍3.我自己做了个推荐的项目写上去了，面试官看了一下觉得太简单了，没问相关的问题。后面的问题全部在围绕召回部分提问，问有10亿个数据量如何快速做召回，自己想了好多方法也没回答到面试官的心趴上面试官说我理解还是太浅了，如果有佬知道的话可以赐教一下~4.手撕，类似于力扣的合并区间，但是求的是区间覆盖长度，样例给了[1,2][2,3][1,4]，那最后的区间[1,4]长度我输出了3，但是样例结果给的是4，当时不明白为什么是这样，面试官让我之后再想一想。后来想不明白找hr反馈了一下，面试官说题目中给的是闭区间，就是让算有多少个点，有点无语，题目明明写的是求区间覆盖长度，哪来的让求点的.....面完隔天挂

1、自我介绍2、介绍实习的推荐项目3、推荐系统离线都看什么指标，这些指标有冲突怎么办？4、新item如何做冷启动？5、pointwise, pairwise, listwise区别？为什么精排用pointwise6、推荐和广告有什么区别？6、如何提高推荐的多样性？7、排序模型离线指标和线上效果不一致如何处理？8、推荐上怎么引入搜索的一些相关信息？9、leetcode 56：合并区间在关注搜广推算法方向的校招/社招/实习同学们，想拿到搜广推算法offer，简历中没有岗位对口/高质量的项目经历，会较难通过面试甚至难以进面。同学们可以了解下算法项目辅导，在简历中增加一个高含金量的项目，助你斩获offer~ #面经#  #校招#  #美团#  #推荐算法#

详细介绍见下文，特别欢迎有大模型、多模态、GNN经验的师弟师妹，可直接发简历给图中的邮箱，近期就可入职~京东搜索算法部实习生招聘团队介绍京东搜索算法团队，负责京东零售搜索平台的商品搜索算法，包括意图识别、召回、相关性、排序、生态机制等技术方向。团队成员来自国内外顶尖高校，我们致力于打造电商搜索一流团队，用前沿的技术驱动业务发展，提升数亿用户的搜索体验，也乐于把实践经验分享给业界，先后在KDD、SIGIR、WWW、EMNLP、ICLR等核心期刊发表论文20余篇。工作内容1. 搜索排序：通过ctr/cvr预估建模，优化粗排、精排、重排模型2. 搜索相关性：通过深度文本匹配建模，优化相关性模型的准确率3. 搜索召回：应用语义向量、个性化、多模态等召回技术，并优化检索漏斗和效率4. 搜索意图理解：应用LLM等技术理解用户query意图，包括包括分词、标注、类目预估、query扩展等5. 流量生态：通过EE/流量调控等技术，优化生态算法，赋能平台和商家6. 探索前沿机器学习/AIGC等算法，结合搜索场景并落地任职要求1. 计算机、数学、自然语言处理、机器学习及相关专业，2026届、2027届及以后的硕博在校生2. 熟悉C/C++与Linux开发，熟悉Python/Shell等脚本语言，对常用数据结构和算法有深刻理解3. 熟悉常用的ML、DL算法，对大语言模型或多模态大规模有经验者优先4. 熟悉tensorflow、torch、caffe等至少一种深度学习框架5. 对创新和挑战的工作有激情，具备出色的规划、执行力，强烈的责任感，以及优秀的学习能力6. 在机器学习、数据挖掘、计算广告等领域的国际顶级会议或期刊上发表论文者优先7. 实习地点：北京亦庄总部，每周至少实习4天，至少实习3个月